Arena 用 500 万偏好投票后训练,FLUX.2-dev 冲上 T2I 榜第二
infwinston · x · 2026-10-03
Arena 发布技术博客,介绍一种文生图模型后训练方法:将人类偏好信号与显式 rubric 奖励结合。
- 用约 500 万条 Arena 两两偏好投票训练奖励模型,再用视觉语言模型自动生成 rubric,评估图像是否遵循 prompt、满足约束并避免 reward hacking
- 偏好信号单独不足以覆盖用户关心的一切(图像好看但漏对象、加无关内容、风格漂移),rubric 奖励补足这一短板
- 后训练后的 FLUX.2-dev 在 Arena 实时 T2I 排行榜上涨 69 分升至第二;Ideogram 4 达到 1224 分,超过所有公开的开源模型
所属事件:Arena 组合偏好与评分表奖励后训练,FLUX.2-dev 涨 69 Elo(3 条相关)→
「多模态」频道最新
- Gemini 4 Neon(xhigh)实测:一张提示词画出 Ana de Armas 风格 SVG — lyraxana · 2026-11-19
- Scobleizer 对话 AI 虚拟偶像 NOVA,或为首个人类×AI 明星访谈 — Scobleizer · 2026-11-19
- Electric Sheep 系列新作 Infinidream 0.17.2 发布,支持 1080p — scott_draves · 2026-11-19
- 一张图塞 5 个 LoRA 角色:四方案实测,最好也只有 3/5 正确 — PoleRacers · 2026-11-19
- AI 生成「机器人神父」低垂双手祈祷,教堂场景以假乱真 — MrWoohoo · 2026-11-19
- AI 复刻 80 年代手绘动画风格短片《守门人》第一集 — oultimobuilder · 2026-11-19